×

兹马思-数学第一资源

数据驱动的非线性弹性:本构流形构造与问题离散化。(英语) Zbl 1387.74015
摘要:使用从数据校准的本构方程已被应用到标准数值求解器中,以成功解决基于仿真的工程科学(SBES)中遇到的各种问题。然而,由于需要越来越详细的模型以及工程材料的使用,复杂性仍在不断增加。数据驱动仿真是SBES范式的潜在变革。计算力学中的标准模拟是基于使用两种截然不同的方程。第一个模型具有公理性,与平衡定律(动量、质量、能量等)有关,而第二个模型则由科学家从收集的自然或合成数据中提取的模型组成。数据驱动(或数据密集型)模拟包括将实验数据直接连接到计算机以执行数值模拟。这些模拟将使用普遍公认的认知法则,同时最小化需要明确的,通常是现象学的模型。这种方法的主要缺点是需要大量的数据,其中一些数据无法从现有的测试设备中获取。这种困难在许多情况下都可以避免,而且在任何情况下都可以减轻,方法是考虑复杂的试验,收集尽可能多的数据,然后使用数据驱动的逆方法,以便从很少的复杂实验测试中生成完整的本构流形,如本论文所讨论的那样。

理学硕士:
74B20型 非线性弹性
65N21 偏微分方程边值问题反问题的数值方法
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 布伦顿,SL;普罗克托,JL;Kutz,JN,通过稀疏辨识非线性动力系统从数据中发现控制方程,Proc Nat Acad Sci,1133932-3937,(2016)·Zbl 1355.94013
[2] Chinesta,F;莱格,A;博尔德,F;Aguado合资公司;库托,E;冈萨雷斯;阿尔法罗,我;阿玛,A;Huerta,A,《基于参数PGD的高效设计、优化和控制计算方法》,Arch Comput Methods Eng,20,31-59,(2013)·Zbl 1354.65100
[3] Chinesta F,Keunings R,Leygue A(2014),高级数值模拟的适当广义分解:入门。斯普林格,纽约·Zbl 1287.65001
[4] 克雷斯波,J;拉托尔,M;Montans,F,WYPIWYG各向同性可压缩材料超弹性,计算机力学,59,73-92,(2017)·Zbl 1398.74023号
[5] 冈萨雷斯,D;阿玛,A;Chinesta,F;Cueto,E,《分离表示法使用的最新进展》,国际数字方法学,81637-659,(2010)·Zbl 1183.65168
[6] 冈萨雷斯,D;库托,E;Chinesta,F,《手术计划的计算患者化身》,Ann Biomed Eng,44,35-45,(2015年)
[7] 冈萨雷斯,D;Aguado合资公司;库托,E;阿比塞特·查瓦内;Chinesta,F,PGD框架下基于Kpca的参数解,Arch Comput Methods Eng,(2016)·Zbl 06887320
[8] 伊巴内兹,R;阿比塞特·查瓦内;Aguado合资公司;冈萨雷斯,D;库托,E;Chinesta,F,数据驱动计算弹性和非弹性的流形学习方法,Arch Comput Methods Eng,(2016)·Zbl 1390.74195
[9] Kirchdoerfer,T;Ortiz,M,数据驱动计算力学,计算方法应用机械工程,304,81-101,(2016)
[10] Lee JA,Verleysen M(2007),非线性降维。柏林斯普林格·Zbl 1128.68024
[11] 刘,Z;马萨诸塞州贝萨市;Liu,WK,自洽聚类分析:非弹性非均匀材料的有效多尺度方案,计算方法应用机械工程,306319-341,(2016)
[12] 洛佩兹,E;冈萨雷斯,D;Aguado合资公司;阿比塞特·查瓦内;库托,E;宾特鲁伊,C;Chinesta,F.集成计算材料工程的流形学习方法,Arch Comput Methods Eng,(2016)·Zbl 1390.74196
[13] 米霍普洛斯,J;法尔哈特,C;霍斯蒂斯,E;Bubak,M(编辑);奥尔巴达,GD(编辑);斯洛特,PMA(编辑版);Dongarra,J(编辑),《动态数据驱动的实时计算力学环境》,693-700,(2004),柏林
[14] 《设计新材料世界》,科学,288993-998,(2000)
[15] Peherstorfer B,Willcox K(2015)动态数据驱动的降阶模型。计算方法应用机械工程291:21-41·Zbl 1398.74023号
[16] 佩斯托弗B;Willcox,K,《基于非侵入投影的模型简化的数据驱动算子推断》,计算机方法应用机械工程,306196-215,(2016)
[17] Polito M,Perona P(2001)分组和局部线性嵌入降维。神经信息处理系统进展,第14卷。麻省理工学院出版社,第1255-1262页·Zbl 1398.74023号
[18] Raghupathi W,Raghupathi V(2014)《医疗保健大数据分析:前景与潜力》。健康信息科学系统2(1):1-10
[19] 罗维斯,圣;李国平,李国平,等.基于局部线性嵌入的非线性降维,科学,2902323-2326,(2000)
[20] 特南鲍姆,JB;席尔瓦,V;朗福德,JC,《非线性降维的全球框架》,科学,2902319-2323,(2000)
[21] 王Q(2012)核主成分分析及其在人脸识别和主动形状模型中的应用。第12038.357条更正
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。